ADA-GNN:基于原子距离和角度的晶体材料性能预测的图神经网络
原文中文,约200字,阅读约需1分钟。发表于: 。基于双尺度邻域划分机制的晶体结构建模和基于原子 - 距离 - 角度图神经网络(ADA-GNN)的属性预测任务处理方法,通过分别处理节点信息和结构信息,提高了预测准确性和推理时间。在两个大规模材料基准数据集上,我们的方法取得了最先进的属性预测结果。
这篇文章介绍了一种基于双尺度邻域划分机制的晶体结构建模和属性预测方法。通过处理节点信息和结构信息,提高了预测准确性和推理时间。在两个大规模材料基准数据集上,该方法取得了最先进的属性预测结果。